REA：又一个 OpenClaw 级项目，让 AI 学会逆向工程

当 AI 已经能够根据需求编写软件，接下来的问题是：如果没有源代码，它还能理解一个已经存在的软件吗？

REA（Reverse Engineer Anything） 正在探索这个方向。它把原生二进制、JavaScript、Electron 应用和运行时观察等分析能力，通过 MCP 接入 AI Agent。开发者提出问题，Agent 调用专业工具寻找答案，再把结论与证据联系起来。

“又一个 OpenClaw 级项目”表达的是我对这一方向的期待。OpenClaw 让更多人关注 Agent 执行任务的能力，REA 则让专业软件分析进入 Agent 的工具体系。两者定位不同，社区热度也不能直接证明技术成熟度。比 Stars 更值得讨论的，是 REA 是否改变了开发者理解软件的方式。

从写代码，到调查软件

有源码时，我们可以搜索函数、查看调用关系、运行测试。只有安装包时，同样的问题会变得复杂：一个按钮触发了哪个模块？富文本怎样进入系统剪贴板？一个旧游戏的声音定位算法如何计算？

传统流程需要在反编译器、调试器、浏览器和动态插桩工具之间切换。开发者既要熟悉工具，还要决定下一步调查什么，以及哪些结果值得相信。

REA 将其中的分析操作变成 Agent 可调用的工具。你可以描述一个具体目标：

分析这款 Electron 应用的搜索功能，找到入口模块，追踪调用链和 IPC 通道，解释实现机制，并标注证据与尚未确认的部分。

Agent 随后围绕目标逐步调查。它仍然需要模型推理和工程判断，也需要验证结果。REA 的作用是把专业观察能力接进这个过程，而完整源代码恢复、行为等价和跨平台运行都需要另外证明。

MCP 将不同分析引擎接到一起

REA 使用 TypeScript 和 Node.js，提供 CLI 与 MCP 服务。原生分析可以接入 Ghidra、Hopper 或 IDA；JavaScript 静态分析不需要原生反编译引擎。安装程序还会为所选 Agent 配置相应的工作流指令。官方 README

它的工作过程可以概括为：

开发者提出问题
      ↓
AI Agent 制定调查步骤
      ↓
REA CLI / MCP
      ↓
静态分析、反编译、运行时观察
      ↓
分析结果、证据与限制
      ↓
Agent 解释、继续调查或编写重构实现
      ↓
独立测试验证

这里真正有用的是工具之间的组合。例如分析 Electron 应用时，可以从页面中的 JavaScript 入口开始，追踪到 Preload 和主进程，再定位原生扩展。面对二进制程序，可以先寻找函数，再读取指令、调用关系和常量。

统一接口降低了切换工具的成本，但并没有消除底层工具的差异。安装 MCP 服务成功，只能证明工具入口已注册；能否分析具体目标，还取决于平台、文件格式、外部依赖和实际运行结果。

分析范围很广，能力深度需要分别判断

REA 的文档覆盖多种软件对象。不同领域的支持范围应按对应工具和工作流理解：

尤其不能把“能够识别 Go 或 Rust 元数据”理解为“能够恢复完整项目源码”。格式支持、结构提取、语义解释和行为重构，是不同层次的能力。官方文档目录

从工程用途看，我更关注三个场景：分析缺少文档的桌面应用，恢复遗留系统中的确定性算法，以及在授权范围内做故障诊断和安全研究。它们都需要从程序本身寻找信息，而不能只依赖已有说明。

DX-Ball：把猜测变成可验证的算法

官方 DX-Ball 案例研究一款早期 Windows 游戏的声音定位函数。问题很具体：屏幕上的横向坐标怎样转换为左右声道的位置？

最初的反编译结果只暴露了转换函数，Agent 继续检查指令、调用者和数据常量，恢复了计算关系。随后，重构项目用原始 x86 函数对照测试，并使用固定的历史编译工具链核对机器码。

官方报告该函数通过 3,205 组行为对比，并在检查重定位和常量后实现 63 字节编译结果匹配。这是具体函数的实验结果，不能外推到任意软件，也不意味着整个游戏已经恢复完毕。DX-Ball 官方案例

这个案例的价值在于验证方法。反编译输出只是调查起点；当输出遗漏了输入或运算过程，指令与调用者提供了补充证据。恢复出表达式后，还要通过测试检查类型转换、浮点精度和边界条件。

可以把这一流程理解为三个阶段：观察原程序，建立解释，独立验证。REA 帮助 Agent 获取观察材料，重构项目负责实现和测试，两者共同构成可信的结果。

Notion：从用户功能追到跨进程调用

另一篇官方案例分析 Notion Desktop 7.6.1 的剪贴板机制。它展示了从页面接口，经 Preload、Electron IPC，到主进程系统剪贴板调用的追踪过程。

编辑器页面
    ↓
Preload 剪贴板接口
    ↓
ipcRenderer.invoke
    ↓
notion:clipboard:write
    ↓
主进程处理程序
    ↓
Electron 系统剪贴板接口

案例还研究了 HTML 中的关联标识与本地结构化数据如何配合，以保留更丰富的块内容。部分验证来自提取模块和独立测试，不能等同于完整桌面 UI 的端到端测试。Notion 官方案例

对于开发者，这类调查很有启发：用户看到的是一个复制动作，内部实现却跨越页面、进程边界和系统接口。Agent 可以帮助串起这些层次，让调查围绕具体功能展开。

Evidence：让 Agent 知道自己还不知道什么

我认为 REA 最值得研究的设计，是结构化 Evidence。

逆向工程中，“没发现”与“不存在”有很大区别。没有找到调用者，可能是函数没有被使用，也可能是函数指针、动态分发或分析覆盖不足导致遗漏。如果模型把局部观察当成完整事实，后面的解释就可能沿着错误方向继续。

REA 的协议为分析结果保留证据标识、规范化结果和底层结果，并在相关结果中表达覆盖范围、限制与未知项。这使调查过程可以保存、按需读取和比较。MCP 协议文档

这些结构不会自动保证结论正确，但能让开发者追问：这个结论来自哪个目标？用了什么工具？观察覆盖了什么？还有哪些间接调用没有解析？

同样的思想也适用于运维和科研。专业 Agent 需要管理自己的观察记录，并让人能够复核，而不是只输出一段流畅解释。推理能力与证据管理，是可靠调查的两个组成部分。

6.4.0 的进展：处理真实工程中的规模与中断

2026 年 10 月 11 日发布的 6.4.0，进一步完善 Android 设备观察、大型分析结果的摘要与选择性读取，以及 JavaScript 分析的资源控制。分析遇到资源不足时，保留已经完成的事实和显式未知项，有助于后续继续调查。6.4.0 发布说明

这些改进比单纯增加工具数量更接近真实需求。大型应用的结果可能远超模型上下文容量，Agent 需要先看概览，再读取少量相关内容。长时间分析也可能因内存或超时而中断，保留部分结果能避免重复劳动。

我的判断是，专业 Agent 工具将越来越像一个外部调查系统：保存完整结果，向模型提供摘要和可定位的细节，同时记录失败与未完成范围。

为什么把它与 OpenClaw 放在一起讨论

OpenClaw 与 REA 的任务范围不同。前者常被放在通用 Agent 和应用自动化的讨论中，REA 则聚焦软件逆向分析。这篇文章的类比着眼于它们体现的共同方向：通过工具，把语言模型接到实际工作过程。

REA 也说明，专业工具平台可以融入现有 Agent，而不必独立提供一整套通用聊天产品。MCP 负责工具连接，工作流指令提供调查方法，模型负责推理，测试负责验证。

这种分工会改变专业知识的使用方式。开发者可以把重复操作交给 Agent，但仍然需要判断问题是否值得调查、证据是否充分，以及结果能否用于后续工程。

从一个小问题开始使用

官方安装入口是：

npx rea-agents setup

安装程序会展示配置方案，并接入所选 Agent。运行环境和外部工具要求以安装文档为准。

首次使用时，我建议从一个可验证的小问题开始，例如识别某个 Electron IPC 通道，或恢复一个输入输出明确的数学函数。任务描述可以这样写：

使用 REA 调查这个应用的剪贴板写入流程。
找到页面入口、Preload 接口和主进程处理程序。
每个结论给出对应位置和证据。
区分静态观察、实际运行结果与尚未验证的推断。
最后提出一个能够独立验证调用链的实验。

这种任务比“完整逆向这个应用”更容易评估。首先验证工具确实能观察目标，再扩大范围，能够更快发现环境和分析方法的问题。

软件理解将成为 Agent 的重要能力

REA 仍然面对逆向工程固有的困难：符号丢失、编译优化、混淆、间接调用和运行时差异。它提供的观察与组织能力，无法替代所有工程验证。本文依据官方文档和公开案例整理，没有对上述目标重新执行完整复现实验。

在合法授权、软件许可与知识产权边界内，REA 为软件保存、兼容性研究、遗留系统迁移和调试提供了一个值得尝试的方向。

我更期待的是它背后的工作方式：开发者提出具体问题，Agent 获取证据、建立假设、继续调查，再通过独立测试决定是否接受结论。软件理解与代码生成结合之后，AI 工具才能参与更多完整的工程工作。

过去我们主要让 AI 根据需求写代码。REA 让我们看到，AI 也可以帮助从已有程序中发现知识。而这些知识是否可靠，最终仍要回到可追溯的证据和可重复的验证。

参考资料

• REA 官方仓库与 README
• REA 安装说明
• REA MCP 协议
• REA CLI 与 Evidence 指南
• DX-Ball 逆向工程案例
• Notion 剪贴板案例
• REA 6.4.0 发布说明

资料核查日期：2026 年 10 月 14 日。项目能力会随版本变化，案例数据属于官方公开实验。